wilsjo2/OptiScaler-DLSSNR-PreSR-Multipass

A game mod that uses NVIDIA AI to change lighting, detail and colour, with controls for strength and performance.

解決的問題

透過使用 NVIDIA AI，提供一種修改遊戲視覺效果（特別是照明、細節和色彩）的方法，讓使用者能在權衡性能成本的前提下自訂遊戲外觀。

工作原理

此模組使用 NVIDIA 的神經渲染技術（透過 nvngx_dlssnr.dll 模型）來套用視覺效果。可整合至遊戲的渲染流程中，位於上採樣之前或之後，並支援多個階段，使用不同設定來優化影像。同時也包含降噪（NR）功能，可減輕 DirectX 12 遊戲中的綠色雜訊。

適用對象

擁有 NVIDIA RTX 20、30、40 或 50 系列 GPU 的 PC 遊戲玩家，希望透過 AI 驅動的渲染技術來增強或自訂遊戲的照明與色彩。

主要特色

  • 可自訂視覺效果：可調整強度、照明、細節與色彩設定。
  • 針對性效果：人物與場景分別設定。
  • 彈性渲染流程：可於上採樣前或後執行效果。
  • 多階段渲染：可多次套用效果以獲得不同結果。
  • 模型解析度控制：降低模型解析度以減少性能影響。
  • 支援 HDR 與幀生成：在原生 DirectX 12 遊戲中支援 HDR 與幀生成。

相關

  • 專案
    rgeirhos/Stylized-ImageNet

    一個用於建立 Stylized-ImageNet 的工具，該版本的 ImageNet 會扭曲紋理，以鼓勵 CNN 更優先考慮物體形狀而非紋理，從而提升魯棒性。

  • 專案
    Visionary-Laboratory/visionary

    一個基於 WebGPU 的平台，使用 ONNX Runtime 在瀏覽器中直接進行 Gaussian Splatting 變體和 3D meshes 的即時渲染。

  • 專案
    IvanDrokin/torch-conv-kan

    TorchConv‑KAN 是一個 PyTorch 庫，實現卷積層，其中每個核由一組可學習的一元函數（KAN、Fast‑KAN、Cheby‑KAN 等）構成。它包含多種層變體、CNN 風格模型家族（ResKANet、DenseKANet、VGG‑KAN、U‑Net‑KAN）、預訓練的 ImageNet‑1k 檢查點，以及使用 Accelerate、Hydra、WandB 和 Ray‑Tune 的訓練腳本。該專案正在積極開發中，並搭配發表一篇關於柯爾莫哥洛夫-阿諾德卷積的研究論文。

  • 專案
    LSH9832/edgeyolo

    EdgeYOLO 是一款無錨點的目標檢測器，針對 Nvidia Jetson 等嵌入式邊緣設備的即時效能進行優化，支援包括 TensorRT 與 RKNN 在內的多種部署格式。